Détection de Fraude par Process Mining & ML

Combine process mining et machine learning pour détecter la fraude dans les réclamations d'assurance automobile. Des journaux d'événements suivant le flux standard de traitement des réclamations (déclaration de sinistre → attribution → décision → provision → paiement → clôture) sont analysés dans Celonis pour révéler goulots d'étranglement, reprises et déviations suspectes sur des milliers d'enregistrements. Un jeu de données à 21 caractéristiques (catégorielles : dossier/client/police/accident ; numériques : montants, âge du client, durée de traitement, nombre d'activités) alimente un modèle Python/scikit-learn, avec SMOTE pour l'équilibrage des classes, afin de classer les réclamations en valides, frauduleuses ou en violation.